Code
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import os
import plotly.express as pex
import plotly.graph_objects as go
import plotly.io as pio
import seaborn as sb
import plotly.figure_factory as ffInteligencia Artificial
George Vega
04-2025
Se incluyen 10 varibles incluyendo la información personal del colaborador, entre las cuales se incluye identificación, género, etnia, entre otros.
| N° | VARIABLE | DESCRIPCION | ITEMS |
|---|---|---|---|
| 1 | ESTU_TIPODOCUMENTO | Documento | CC – Cédula de ciudadanía CE – Cédula extranjera CR – Certificado registraduría CCB – Certificado de cabildo NES – Número establecido por la SE PC – Pasaporte colombiano PE – Pasaporte extranjero RC – Registro civil PEP– Permiso Especial de Permanencia NUIP - Número único de Identificación Persona V - Por verificar TI – Tarjeta de identidad |
| 2 | ESTU_NACIONALIDAD | Nacionalidad | Nacionalidad |
| 3 | ESTU_GENERO | Genero | F - Femenino M - Masculino |
| 4 | ESTU_FECHANACIMIENTO | Fecha Nacimiento | [DD/MM/AAAA] |
| 5 | PERIODO | Periodo | Periodo del examen |
| 6 | ESTU_CONSECUTIVO | Consecutivo | Id público del estudiante en Saber Pro |
| 7 | ESTU_ESTUDIANTE | Estudiante | ESTUDIANTE INDIVIDUAL |
| 8 | ESTU_TIENEETNIA | Tiene etnia | ¿Pertenece usted a un grupo étnico minoritario? SI NO |
| 9 | ESTU_PAIS_RESIDE | Pais residencia | Pais de residencia |
| 10 | ESTU_ETNIA | Etnia | ¿Cuál es el grupo étnico minoritario al que pertenece? Arhuaco Cancuamo Comunidad afrodescendiente Comunidades Rom (Gitanas) Cubeo Emberá Guambiano Huitoto Inga Paez Palenquero Pasto Pijao Raizal Sikuani Tucano Wayúu Zenú Otro grupo étnico minoritario Ninguno |
values=df2['ESTU_GENERO'].value_counts()
labels=["Femenino","Masculino"]
fig0=go.Figure(data=[go.Pie( # fuente de datos
values=values,
labels=labels,
textinfo='label+percent+value', # columna x
insidetextorientation='radial'
)])
fig0=fig0.update_layout(legend=dict(
x=0.35,
y=-0.15,
traceorder="normal",
font=dict(
family="sans-serif",
size=12,
color="black"
),
),
margin=dict(t=5, b=0, l=0, r=0),
#height=250,
width=200,
showlegend=False)
fig0.show()
fig1=pex.scatter(df2 # fuente de datos
, x="PUNT_MATEMATICAS" # columna x
, y="PUNT_LECTURA_CRITICA" # columna y
, width = 600, height=400 # tamaño del gráfico
, hover_data= ["ESTU_GENERO"] # información a despelegar de manera emergente al pasar el cursor
, color="ESTU_GENERO" # color de los puntos
#, title = "Energía consumida por el sector Comercial primario vs Energía generada por fuentes nucleares"
,labels= { "PUNT_MATEMATICAS" : "Puntaje matematicas", "PUNT_LECTURA_CRITICA": "Puntaje lectura critica"}
,marginal_x = "box"
,marginal_y = "box"
# ,range_x = [20000, 40000]
)
fig1=fig1.update_layout(legend=dict(
yanchor="bottom",
y=-0.2,
xanchor="right",
x=0.98,
traceorder="normal",
font=dict(
family="sans-serif",
size=12,
color="black"
),),
margin=dict(t=5, b=0, l=0, r=0)
)
fig1.show()